Professional Documents
Culture Documents
Tujuan Intruksional :
Memberikan dasar pengertian tentang pengambilan keputusan dalam organisasi dan
penggunaan sistem berbasis komputer untuk mendukung pengambilan keputusan.
Materi:
• Sistem-sistem yang ada dalam Management Support System (MSS).
• Pengambilan keputusan, penjelasan sistem, pemodelan, dan masalah
dukungan (support).
• Sistem pendukung keputusan.
• Manajemen data.
• Pemodelan dan manajemen model.
• Antarmuka user.
• Langkah-langkah membangun sistem pendukung keputusan.
• Sistem pendukung keputusan secara organisasi dan berbagai topik
pengembangannya.
Selecting a
cover
for a R & D planning, new
DSS, ES,
Tak magazine, Negotiating, recruiting an technology development,
networks
terstruktur buyingsoftw executive, buying socialresponsibility
neural
are, hardware, lobbying planning
approving
loans
MIS,
Dukungan manageme
Management sciense,
yang nt EIS, ES, neural networks
DSS, S, EIS
diperlukan science
Proses pengambilan keputusan terdiri dari 3 fase proses: intelligence, design, dan
choice.
• Intelligence – pencarian kondisi-kondisi yang dapat menghasilkan keputusan.
• Design – menemukan, mengembangkan, dan menganalisis materi-materi
yang mungkin untuk dikerjakan.
• Choice – pemilihan dari materi-materi yang tersedia, mana yang akan
dikerjakan.
Proses-proses yang terjadi pada kerangka kerja DS dibedakan atas:
• Terstruktur, mengacu pada permasalahan rutin dan berulang untuk solusi
standar yang ada.
• Tak terstruktur, adalah “fuzzy”, permasalahan kompleks dimana tak ada
solusi serta merta. Masalah yang tak terstruktur adalah tak adanya 3 fase
proses yang terstruktur.
• Semi terstruktur, terdapat beberapa keputusan terstruktur, tetapi tak
semuanya dari fase- fase yang ada.
Stategic DSS
Planning
Managerial MIS
Control
Operational
Control
Transaction
EDP
Processing
Scanning ES,NLP,ANN,
EIS,MIS
Problem
identification
Step A (definition) EIS (ESS)
(Intelegence)
DSS MS/Or
Qualitative Step B Quantitative ANN
ES analysis (Design) analysis (Design)
Decicion
(choice)
Step C GDSS (groups) DSS
(individual)
Implement
?
Decision
Step D (choice)
DSS and ES
Kesimpulan
• Perkembangan komputer demikian cepatnya dan juga penggunaannya oleh
para manajer.
• MSS adalah keluarga teknologi yang dapat digunakan secara mandiri atau
dalam bentuk kombinasinya.
• Dukungan terkomputerisasi untuk para manajer sangat penting dalam
berbagai kasus untuk kelanjutan organisasinya.
2.2 Model
Karekteristik utama dari DSS adalah adanya kemampuan pemodelan.
Model adalah representasi sederhana atau penggambaran dari kenyataan.
Terdapat 3 jenis model:
1. Iconic (Scale). Replika fisik dari sistem, biasanya dalam skala tertentu dari
bentuk aslinya. GUI pada OOPL adalah contoh dari model ini.
2. Analog. Tak seperti sistem yang sesungguhnya tetapi berlaku seperti itu.
Lebih abstrak daripada model Iconic dan merupakan representasi simbolis dari
kenyataan. Contoh: bagan organisasi, peta, bagan pasar modal, speedometer.
Sistem Pendukung Keputusan – Gunandjar,ST Page 14
3. Matematis (Kuantitatif). Kompleksitas hubungan dalam sistem organisasi tak
dapat direpesentasikan dengan Iconic atau Analog, karena kalau pun bisa
akan memakan waktu lama dan sulit. Analisis DSS menggunakan perhitungan
numerik yang dibantu dengan model matematis atau model kuantitatif lainnya.
Keuntungan model
Di bawah ini adalah alasan utama mengapa MSS menggunakan model:
1. Biaya analisis model lebih murah daripada percobaan yang dilakukan pada
sistem yang sesungguhnya.
2. Model memungkinkan untuk menyingkat waktu. Operasi bertahun-tahun dapat
disimulasikan dalam hitungan menit di komputer.
3. Manipulasi model (perubahan variabel) lebih mudah dilakukan daripada bila
diterapkan pada sistem nyata. Selanjutnya percobaan yang dilakukan akan
lebih mudah dilakukan dan tak mengganggu jalannya operasi harian
organisasi.
4. Akibat yang ditimbulkan dari adanya kesalahan-kesalahan sewaktu proses
trial-and-error lebih kecil daripada penggunaan model langsung di sistem
nyata.
5. Lingkungan sekarang yang makin berada dalam ketidakpastian. Penggunaan
pemodelan menjadikan seorang manajer dapat menghitung resiko yang ada
pada proses-proses tertentu.
6. Penggunaan model matematis bisa menjadikan analisis dilakukan pada
kemungkinan- kemungkinan solusi yang banyak sekali, bahkan bisa tak
terhitung. Dengan adanya komunikasi dan teknologi canggih sekarang ini,
manajer akan seringkali memiliki alternatif-alternatif pilihan.
7. Model meningkatkan proses pembelajaran dan meningkatkan pelatihan.
Intellegence Phase
Proses yang terjadi pada fase ini adalah:
• Menemukan masalah.
• Klasifikasi masalah.
• Penguraian masalah.
• Kepemilikan masalah.
2.4 Design Phase.
Tahap ini meliputi pembuatan, pengembangan, dan analisis hal-hal yang mungkin
untuk dilakukan.Termasuk juga disini pemahaman masalah dan pengecekan solusi
yang layak. Juga model dari masalahnya dirancang, dites, dan divalidasi. Tugas-
tugas yang ada pada tahap ini merupakan kombinasi dari seni dan pengetahuan,
yaitu:
• Komponen-komponen model.
• Struktur model.
• Seleksi prinsip-prinsip pemilihan (kriteria evaluasi).
• Pengembangan (penyediaan) alternatif.
• Prediksi hasil.
• Pengukuran hasil.
• Skenario.
Uncontrollable
Variables
Decission Result
Relationship
Variables Variables
Kesimpulan
• Manajemen pengambilan keputusan serupa dengan keseluruhan proses
manajemen.
• Pemecahan masalah juga mengacu pada evaluasi peluang.
• Sistem terdiri dari input, output, proses dan pengambil keputusan.
• Semua sistem dipisahkan dari lingkungannya dengan suatu batas.
• Sistem dapat terbuka, berinteraksi dengan lingkungannya, atau tertutup.
• DSS utamanya berhubungan dengan sistem yang terbuka.
• Model banyak digunakan dalam MSS; yang bisa dalam bentuk iconic, analog
Data are not measured or Raw data are gathered Develop a system for
indexed properly. according to a logic or
rescaling or recombining the
periodicity that is not
consistent with the purposes improperly indexed data.
of the analysis. A detailed
model contains so many
coefficients that it is models.
difficult to develop and
maintain.No one ever stored
data needed now
Needed data simply do not Required data never existed. Whether or not it is useful
exist now, store data for future
use. This may be impractical
because of the cost of storing
and maintaining data. Futher
more the data may not found
when they needed. Make an
effort to generate the data or
to estimate them if they
concern the future.
Internal and
External Data
Statistics +
Graphics
forecasting
Project Business
Management Comunications
Reporting
Ringkasan data dapat diorganisasi dalam berbagai cara untuk kepentingan analisis
dan presentasi. Pendekatan ini disebut dengan multidimensionality. Keuntungan dari
pendekatan ini adalah data diorganisasi menurut cara pandang manajer bukan
menurut cara pandang analis sistem, juga berbagai presentasi data yang sama dapat
diatur dengan mudah dan cepat. 3 faktor dalam multidimensionality: dimensi, ukuran,
dan waktu. Contoh dimensi: produk, salespeople (orang-orang bagian penjualan),
segmen pasar, unit bisnis, lokasi gegrafis, jalur distribusi, negara, atau industri.
• Contoh ukuran: uang, sales volume (volume penjualan), keuntungan
penyimpanan, aktual vs perkiraan.
• Contoh waktu: harian, mingguan, bulanan, caturwulan, atau tahunan.
Contohnya, seorang manajer ingin mengetahui penjualan dari produk M pada
area geografis tertentu, yang dilakukan oleh orang di bagian penjualan
tertentu, selama bulan tertentu juga, yang dihitung berdasarkan unit. Jika
jawaban dari pertanyaan ini dapat disediakan tanpa memperhatikan struktur
databasenya, maka hal itu dapat dilakukan lebih cepat, dan dapat dilakukan
oleh user itu sendiri. Ini bisa terjadi jika data diorganisasikan dalam database
multidimensional atau jika produk software tersebut didesain berdasar konsep
multidimensionality.
• Pendekatan multidimensionality ini biasanya lebih banyak digunakan dalam
EIS. Tapi perlu diingat, pendekatan ini harus dibayar dengan hal-hal berikut:
• Database multidimensional memakan tempat 40 persen lebih banyak
dibandingkan dengan database relasional yang sudah diringkaskan.
• Produk multidimensional membutuhkan biaya 50 persen lebih banyak
dibandingkan dengan produk relasional standar.
• Waktu proses pemanggilan databasenya membutuhkan resources dan waktu,
tergantung pada volume data dan jumlah dimensinya.
End-User
Dialog Input Report
Logic
Database and
Database
DBMS Screens
Aplication
Inference Program Database
Engine Transaction
Database s
Storage
ES
Data Rule Base
Model Storage
Satu dari tujuan kritis yang utama adalah untuk membuat database intelligent,
sehingga user dapat menemukan sendiri suatu informasi dengan cepat
Kesimpulan
Data terdapat dalam sumber-sumber internal, eksternal, dan personal.
• Untuk lebih memahami proses desain lebih lanjut, haruslah dikuasai beberapa
konsep dasar seperti: strategi pengembangan, berbagai pendekatan
konstruksi DSS, sifat berulang dari suatu proses, dan pengembangan DSS
berbasis tim vs pengembangan berbasis user.
General Capabilities
Level 2
Database Model base Dialog
Subsystem
Spesific Capabilities
Level 4 Features
Software and
Phase 2 Hardware Selection
Build the
Build the database model base and its Build the dialog
and its management management subsystem
Phase 7 Packaging
Phase 8
Testing and
Evaluation,
Improvement
User
Phase 9
Training
Phase 11 Adaptation
Berbagai pertanyaan yang harus dijawab oleh suatu organisasi yang akan
menggunakan DSS Generator: (1) generator seperti apa yang akan digunakan, (2)
hardware seperti apakah yang dipakai untuk menjalankannya, (3) sistem operasi
seperti apa yang akan digunakan, (4) jaringan seperti apakah yang akan dipakai
untuk menjalankannya. Dengan kemampuan PC yang luar biasa sekarang ini,
software DSS lebih banyak ditemui pada jenis komputer mikro. Kemudian dengan
adanya program-program berbasis Windows, membuat DSS menjadi lebih disukai
karena kemudahan penggunaannya.
Pemilihan Software.
Tool software dasar yang patut dipertimbangkan adalah:
• Fasilitas database relasional dengan fasilitas pembuatan laporan yang baik
dan fasilitas pemilihan data setiap saat.
• Bahasa penghasil grafis.
• Bahasa pemodelan.
• Bahasa analisis data statistikal umum.
• Bahasa khusus yang lain (misal: untuk membangun simulasi).
• Bahasa pemrograman (generasi ketiga).
• Tool pemrograman berorientasi objek.
• Tool pembangun ES.
• Jaringan.
• CASE tools.
Struktur.
Data Model
Struktur dari DSS User
jenis ini dapat dilihat
Management Interface
pada gambar di bawahManagement
ini:
Control
Mechanism
Knowledge Base
Sistem Pendukung Keputusan – Gunandjar,ST Page 43
environment
DSS
Kesimpulan
• DSS dikembangkan dengan proses pengembangan yang unik berdasarkan
prototyping.
• Langkah utamanya adalah: perencanaan, riset, analisis, desain, konstruksi,
implementasi, perawatan, dan adaptasi.
• DSS generator (engine) adalah tool pengembangan terintegrasi yang
digunakan dalam membangun kebanyakan DSS.
• Terdapat berbagai strategi pengembangan. Mulai dari penggunaan CASE tool
sampai dengan pemrograman dengan DSS generator (engine).
• Partisipan dalam proses konstruksi adalah: user, perantara, builder, tenaga
pendukung, dan pemegang tool.
• Pendekatan berulang (prototyping) paling umum digunakan dalam DSS,
Daftar Pustaka
• Turban, Efraim, Decision Support and Expert Systems: Management Support
Systems, Fourth Edition, Prentice-Hall, Inc., United States of America, 1995.
• Suryadi, K. dan M.Ali Ramdhani. 1998. Sistem Pendukung Keputusan. PT.
Remaja Rosdakarya, Bandung.
• C. Daihani, D.Umar. 2001. Komputerisasi Pengambilan Keputusan. PT Elex
Media Komputindo, Jakarta.